আমরা একটি ত্রিমাত্রিক স্থানে বিদ্যমান।
এই স্থানের মধ্যে, আমরা কেবল একটি দ্বিমাত্রিক ছবি হওয়া সত্ত্বেও ভিজ্যুয়াল তথ্যের উপর ভিত্তি করে ত্রিমাত্রিক স্থান উপলব্ধি করি।
এর অর্থ হল, আমাদের মনে ত্রিমাত্রিক স্থানের একটি চিত্র থাকে এবং আমরা দ্বিমাত্রিক ভিজ্যুয়াল তথ্যকে এই ত্রিমাত্রিক চিত্রের উপর বিপরীতভাবে ম্যাপ করি।
আমি ভবিষ্যদ্বাণী করছি যে, এই নীতি প্রয়োগ করে মানুষ সম্ভাব্যভাবে চতুর্থ-মাত্রিক স্থান উপলব্ধি করতে পারে। যদিও আমরা বাস্তব ভৌত স্থানে চতুর্থ-মাত্রিক স্থান বা চতুর্থ-মাত্রিক বস্তু তৈরি করতে পারি না,
কম্পিউটার ব্যবহার করে চতুর্থ-মাত্রিক স্থান এবং বস্তু সিমুলেট করা সম্ভব। এই সিমুলেটেড চতুর্থ-মাত্রিক স্থানকে একটি দ্বিমাত্রিক সমতলে ম্যাপ করার মাধ্যমে মানুষ দৃশ্যত তথ্যটি উপলব্ধি করতে পারে।
তারপর, যদি মানুষ এই ধরনের চতুর্থ-মাত্রিক স্থান এবং বস্তুগুলির আচরণ ও দৃশ্য শেখে, তবে তারা শেষ পর্যন্ত তাদের মনে একটি চতুর্থ-মাত্রিক স্থান তৈরি করতে সক্ষম হবে।
তবে, এটি কেবল একটি সম্ভাবনা, এবং এই ধরনের প্রশিক্ষণের জন্য সম্ভবত যথেষ্ট সময় লাগবে।
উপরন্তু, চতুর্থ-মাত্রিক স্থান উপলব্ধি করার ক্ষমতা অর্জন করলেও, এই ক্ষমতা প্রয়োগ করার মতো পরিস্থিতি প্রায় থাকবে না।
এআই-এর চতুর্থ মাত্রা উপলব্ধি
অন্যদিকে, একই জিনিস এআই দিয়েও অর্জন করা যেতে পারে। তদুপরি, এআই এই চতুর্মাত্রিক স্থানিক উপলব্ধি ক্ষমতাকে কাজে লাগাতে সক্ষম হতে পারে।
উদাহরণস্বরূপ, চতুর্মাত্রিক স্থানিক উপলব্ধির সাহায্যে এআই চতুর্মাত্রিক গ্রাফ আঁকতে এবং বুঝতে পারবে।
মানুষ কেবল দ্বিমাত্রিক সমতলে দৃশ্যমান তথ্য এক নজরে উপলব্ধি করতে পারে। তাই, এমনকি যদি একটি ত্রিমাত্রিক গ্রাফ আঁকা হয় এবং বিপরীত ম্যাপিংয়ের মাধ্যমে তা বোঝা যায়, তবুও কিছু লুকানো অংশ দৃষ্টিগোচর হবে না।
একটি ত্রিমাত্রিক গ্রাফের একটি উল্লেখযোগ্য অংশ অদৃশ্য হয়ে গেলেও, একটি চতুর্মাত্রিক গ্রাফ আরও বেশি ডেটা গোপন করবে।
যদিও গ্রাফ ঘোরানোর মাধ্যমে লুকানো অংশগুলি প্রকাশ করা যায়, এটি এক নজরে ডেটা স্বজ্ঞাতভাবে বোঝার লক্ষ্য থেকে দূরে সরে যায়।
বিপরীতক্রমে, এআইকে দ্বিমাত্রিক সমতল দৃশ্যমান তথ্য দ্বারা সীমাবদ্ধ থাকার প্রয়োজন নেই। এআইকে কার্যত ত্রিমাত্রিক বা চতুর্মাত্রিক স্থানিক দৃষ্টিতে সজ্জিত করা এবং এটিকে প্রশিক্ষণ দেওয়া সম্ভব।
এটি এআইকে ত্রিমাত্রিক এবং চতুর্মাত্রিক গ্রাফগুলিকে ডাইমেনশন-নেটিভ, প্যানোরামিক উপায়ে উপলব্ধি করতে দেবে, যেখানে ডেটা লুকানো থাকবে না বা ঘোরানোর প্রয়োজন হবে না।
এছাড়াও, এটি কেবল চারটি মাত্রার মধ্যে সীমাবদ্ধ নয়; যুক্তিগতভাবে, মাত্রাগুলি পাঁচ, দশ, বিশ এবং তারও বেশি পর্যন্ত অসীমভাবে বাড়ানো যেতে পারে।
বহুমাত্রিক গ্রাফ বোঝা
গ্রাফগুলিকে প্যানোরামিকভাবে উপলব্ধি করার ক্ষমতা একাধিক মাত্রায় প্রবণতা বিশ্লেষণ সক্ষম করে। আকারের তুলনা এবং অনুপাত বোঝা স্বজ্ঞাতভাবে করা যেতে পারে।
এটি অনুরূপ বা উপমাগত ডেটার মতো ডেটা প্যাটার্ন বিশ্লেষণ করারও অনুমতি দেয়। উপরন্তু, এটি নিয়মিততা এবং নিয়মগুলি আবিষ্কার করতে সহায়তা করতে পারে।
এটি শুধুমাত্র বহুমাত্রিক ডেটা প্যাটার্ন মেলানোর বাইরে যায়, যা বিদ্যমান এআই-এর জন্য সহজ, এবং ডেটা সম্পর্কে গভীর উপলব্ধি সক্ষম করে।
উদাহরণস্বরূপ, সম্পূর্ণরূপে ভিন্ন মাত্রার সমন্বয়ের মধ্যে অভিন্ন প্যাটার্ন বিদ্যমান থাকলেও, সাধারণ বহুমাত্রিক প্যাটার্ন মেলানো তাদের খুঁজে পেতে সম্ভবত সংগ্রাম করবে।
তবে, বহুমাত্রিক দৃষ্টির সাহায্যে, যদি আকারগুলি একই রকম হয় তবে সেগুলিকে অবিলম্বে চেনা উচিত, এমনকি বিভিন্ন মাত্রার সমন্বয়ের মধ্যেও।
অধিকন্তু, ইনপুট ডেটার সাথে থাকা মাত্রিক অক্ষগুলি ব্যবহার করার বাইরেও, নির্দিষ্ট অক্ষগুলিকে প্রসারিত বা সংকুচিত করে, লগারিদমীয়ভাবে রূপান্তরিত করে, অথবা একাধিক অক্ষকে তাদের মাত্রিকতা হ্রাস না করে একই সংখ্যক ভিন্ন অক্ষে ম্যাপ করে ডেটা বোঝার জন্য সহজতর মাত্রিক কাঠামো অন্বেষণ করা সম্ভব।
এইভাবে, বহুমাত্রিক দৃষ্টির ক্ষমতাকে প্রশিক্ষণ দেওয়ার মাধ্যমে, ডেটা কাঠামোকে প্যানোরামিকভাবে উপলব্ধি করা সম্ভব হয় — একটি কাজ যা মানুষ এবং প্রচলিত এআই উভয়ের জন্যই কঠিন — এবং এর থেকে নতুন অন্তর্দৃষ্টি এবং নিয়ম আবিষ্কারের সম্ভাবনা উন্মুক্ত হয়।
প্যারাডাইম উদ্ভাবনের ত্বরণ
নিম্ন মাত্রায় ম্যাপ না করে উচ্চ-মাত্রিক ডেটা সরাসরি উপলব্ধি করার ক্ষমতা একটি উল্লেখযোগ্য সম্ভাবনার ইঙ্গিত দেয়।
উদাহরণস্বরূপ, জ্যোতির্বিজ্ঞানের পর্যবেক্ষণ ডেটা সহজে বোধগম্য গাণিতিক সূত্রে অন্তর্ভুক্ত করার জন্য সূর্যকেন্দ্রিক তত্ত্ব উদ্ভাবিত হয়েছিল। ভূ-কেন্দ্রিক ধারণা, যা সূর্যকে পৃথিবীর চারপাশে ঘুরছে বলে ধরে নিত, পর্যবেক্ষণ ডেটাকে বোধগম্য সূত্রে ম্যাপ করতে পারেনি, যার ফলে সূর্যকেন্দ্রিকতা উদ্ভাবিত হয়েছিল।
তবে, যদি জ্যোতির্বিজ্ঞানের পর্যবেক্ষণ ডেটা মাত্রা হ্রাস না করে সরাসরি উপলব্ধি করা যেত, তাহলে সূর্যকেন্দ্রিকতার মতো নিয়মগুলি আরও দ্রুত আবিষ্কার করা যেত।
একইভাবে, আপেক্ষিকতার তত্ত্ব এবং কোয়ান্টাম মেকানিক্সের মতো বৈজ্ঞানিক আবিষ্কারগুলিও অনেক আগে উপলব্ধি করা যেত যদি বহুমাত্রিক ডেটা তার নিজস্ব মাত্রায় প্যানোরামিকভাবে উপলব্ধি করা যেত।
এর অর্থ হল, ডাইমেনশন-নেটিভ এআই দ্বারা প্যারাডাইম উদ্ভাবন, যা মানবজাতির কাছে এখনও অজানা বিভিন্ন তত্ত্ব ও নিয়মের আবিষ্কারের দিকে পরিচালিত করে, তা ত্বরান্বিত হতে পারে।
উপসংহার
বহুমাত্রিক স্থানে নেটিভ হওয়ার জন্য প্রশিক্ষিত এআই, তার বহুমাত্রিক স্থানিক জ্ঞানীয় ক্ষমতাকে কাজে লাগিয়ে — যা মানুষের অনুকরণের বাইরে — বিজ্ঞান ও একাডেমিয়ার দৃষ্টান্তগুলির পরিধি দ্রুত প্রসারিত করতে পারে।
দৃষ্টান্তগুলি কেবল স্থানান্তরিত হওয়ার পরিবর্তে গুণিত হতে থাকে। এমনকি যদি নতুন দৃষ্টান্ত উদ্ভাবিত হয়, তবে আমাদের সেগুলির সাথে তাল মিলিয়ে চলতে হবে এমনটা জরুরি নয়।
অবশ্যই, এআই সম্ভবত জটিল মাত্রায় আবিষ্কৃত দৃষ্টান্তগুলিকে নিম্ন মাত্রায় ম্যাপ করে এমনভাবে ব্যাখ্যা করবে যা আমাদের পক্ষে বোঝা সহজ।
তবুও, অত্যধিক উচ্চ মাত্রার দৃষ্টান্তগুলি মানুষের বোধগম্যতার বাইরে থাকতে পারে। উপরন্তু, ব্যাপকভাবে প্রসারিত সমস্ত দৃষ্টান্ত বোঝা সম্ভবত অসম্ভব হবে।
এমন পরিস্থিতিতে, আমরা এমন পণ্য এবং সিস্টেম দ্বারা পরিবেষ্টিত জীবনযাপন করতে পারি যা কার্যকরভাবে কাজ করে, এমনকি যদি আমরা তাদের অন্তর্নিহিত নীতিগুলি সম্পূর্ণরূপে না বুঝি।
একজন প্রকৌশলী হিসাবে, আমি এমন পরিস্থিতি কল্পনা করতে চাই না, তবে অনেক মানুষের জন্য, এটি আজকের পরিস্থিতির থেকে খুব বেশি আলাদা নাও হতে পারে।